calc.relimp学习笔记（R语言）

哇哈哈∞

于 2022-10-07 18:44:01 发布

阅读量1.3k

点赞数

分类专栏：笔记文章标签： r语言学习

本文链接：https://blog.csdn.net/weixin_51237377/article/details/127191665

版权

笔记专栏收录该内容

16 篇文章 2 订阅

订阅专栏

目的：
通过学习R官方文档，掌握calc.relimp的用法。

背景：
遇到一个实际的问题，需要分析各个自变量对因变量的贡献度，或者说需要衡量各个自变量的相对重要性。偶然在CSDN上看到这篇文章——相对重要性（https://blog.csdn.net/qq_38854576/article/details/86763801/?ops_request_misc=&request_id=&biz_id=102&utm_term=%E7%9B%B8%E5%AF%B9%E9%87%8D%E8%A6%81%E6%80%A7%E5%88%86%E6%9E%90&utm_medium=distribute.pc_search_result.none-task-blog-2_allsobaiduweb~default-0-86763801.nonecase&spm=1018.2226.3001.4187），但对其中的关键问题理解不清：计算相对重要性的前提是什么？是否需要对自变量与因变量的关系有公式的表达或者是定性的描述就行？求得贡献度的原理是什么？因此，用查询R语言官方文档的方法深入学习calc.relimp的用法。（顺便插一嘴，不知是何原因，Bing可以搜到这个函数的官方文档，但baidu不得行。）

结果：
calc.relimp官方文档（https://www.rdocumentation.org/packages/relaimpo/versions/2.2-6/topics/calc.relimp）
calc.relimp: 计算线性模型相对重要性矩阵的方法
描述：calc.relimp可以计算线性模型的几个相对重要性矩阵。推荐的矩阵是“lmg”和“pmvd”.出于完整性和比较的目的，也提供几个其它的矩阵计算方法。官网有几个calc.relimp model:

calc.relimp(object, …)
calc.relimp(object, x = NULL, …, type = “lmg”, diff = FALSE, rank = TRUE, rela = FALSE, always = NULL, groups = NULL, groupnames = NULL, weights=NULL, design=NULL)
calc.relimp(formula, data, weights, na.action, …, subset=NULL)
calc.relimp(object, type = “lmg”, groups = NULL, groupnames=NULL,
always = NULL, …)

参数说明：
Object：该参数的类型决定了计算相对重要性的方法。该参数可以是:
（1）一个公式（如：y~x1+x2+x3+x2:x3）;
（2）一个线性模型调用的输出（attention: 为了保证calc.relimp使用恰当，调用的底层模型必须至少是线性的）；
（3）响应y和回归变量的协方差矩阵；
（4）第一列为响应变量的数据矩阵；
（5）响应变量或列矩阵。

formula:
(1) 若“object”是一个响应变量或一个列矩阵，则formula可以是一个数据举证或包含回归变量的data frame；
（2）否则为NULL。

type:
可以是一个字符串，特征向量或一列字符串。

diff:
逻辑值，若为TURE,计算相对贡献度，默认为否。

rank:
逻辑值，若为真，对解释变量相对贡献度大小进行排序，默认为真。

rela:
逻辑值，若为真，要求相对贡献度大小总和为100%；若为假，指标的总和为R2；否则为其它有意义的值。

…
对最初的几个问题进行解答：
问：计算相对重要性的前提是什么？
答：自变量与因变量的关系是线性的。
问：是否需要对自变量与因变量的关系有公式的表达或者是定性的描述就行？
答：前提是自变量与因变量的关系是线性的，有定性的假设就行，因为该方法支持仅输入自变量和因变量的数据矩阵求相对重要性。
问：求得贡献度的原理是什么？
答：提供了几个选择，如R²，特征向量对应的特征值等

如有不对的地方欢迎指出，欢迎讨论!